本文基于神经网络和模糊系统理论并根据反馈线性化技术和滑模控制理论提出了非线性系统的自适应控制设计与分析方法。全文分为五章： 第一章：综述了非线性系统自适应控制的研究现状，指出利用传统控制方法解决非线性系统控制时存在的问题，并给出了模糊自适应控制和神经网络控制的研究进展。 第二章：给出一些关于范数、稳定性以及非线性系统控制问题基本描述的预备知识。 第三章：研究了广义非线性系统的基于神经网络的自适应控制方法。在分析模糊系统和单层神经网络等价性的基础上，提出非线性系统的单层神经网络稳定自适应控制方法。首先考虑一类仿射非线性系统，利用单层神经网络去逼近系统的非线性函数，分别给出了基于系统状态反馈和输出反馈的稳定自适应控制算法，确保系统的跟踪误差有界；然后利用输入输出线性化方法，给出广义非线性系统的自适应控制方法；最后通过在机械手位置跟踪控制中的仿真研究，验证了所提方法的有效性。 第四章：研究了一类非线性系统的间接自适应模糊滑模控制方法。利用滑模控制的理论和Lyapunov综合方法提出一种针对一类非线性系统的间接自适应模糊滑模控制(IAFSMC)方法。不同于已有的基于滑模的模糊控制器设计方法(利用模糊系统直接替代滑模控制律)，本章提出的IAFSMC利用模糊系统分别去逼近滑模控制律中的等效控制项和切换控制项。给出了模糊规则后件参数的自适应学习方法。基于滑模的设计步骤确保了闭环系统的稳定性和鲁棒性。同时证明了参数自适应律能够确保系统对给定参考输入的稳定渐近跟踪性能。所提的方法减轻了滑模控制中的抖振现象。仿真研究表明即使在缺少系统先验知识和不确定性干扰的情况下，系统性能也十分理想。 第五章：总结全文，并提出下一阶段的研究目标。